CN112637174B - 数据相关度计算方法、装置、电子设备和存储介质 - Google Patents

数据相关度计算方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112637174B
CN112637174B CN202011485250.0A CN202011485250A CN112637174B CN 112637174 B CN112637174 B CN 112637174B CN 202011485250 A CN202011485250 A CN 202011485250A CN 112637174 B CN112637174 B CN 112637174B
Authority
CN
China
Prior art keywords
vector
data
correlation
calculation
random
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011485250.0A
Other languages
English (en)
Other versions
CN112637174A (zh
Inventor
蒋精华
洪爵
何恺
杨青友
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011485250.0A priority Critical patent/CN112637174B/zh
Publication of CN112637174A publication Critical patent/CN112637174A/zh
Application granted granted Critical
Publication of CN112637174B publication Critical patent/CN112637174B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/20—Network architectures or network communication protocols for network security for managing network security; network security policies in general
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Computer Hardware Design (AREA)
  • Computational Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Storage Device Security (AREA)

Abstract

本申请公开了一种数据相关度计算方法、装置、电子设备和存储介质，涉及数据安全技术领域，其中方法包括：第一数据方根据第一向量，随机生成第一随机向量，并得到第二向量；第一数据方向第二数据方发送第一随机向量，并接收第二数据方发送的第二随机向量；第一数据方根据相关度计算公式进行计算，得到第一相关度；对于相关度计算公式中的交叉因子，第一数据方使用第二向量和第二随机向量，并根据密文计算协议进行计算；第一数据方接收第二数据方发送的第二相关度；对于相关度计算公式中的交叉因子，第二数据方使用第一随机向量和第四向量，并根据密文计算协议进行计算；第一数据方根据第一相关度和第二相关度，计算第一向量和第三向量之间的相关度。本申请能够保护各数据方的数据隐私，避免数据泄漏或被滥用的风险。

Description

数据相关度计算方法、装置、电子设备和存储介质
技术领域
本申请涉及数据处理技术领域，具体为数据安全技术，具体涉及一种数据相关度计算方法、装置、电子设备和存储介质。
背景技术
在进行数据调研时，不同数据方之间需要交换相关数据，并计算不同数据方之间的数据相关度。然而，由于需要将数据暴露给其他数据方，存在隐私泄露的风险。
发明内容
本申请提供了一种数据相关度计算方法、装置、电子设备、存储介质和计算机程序产品。
根据第一方面，本申请提供了一种数据相关度计算方法，包括：
第一数据方根据第一向量，随机生成第一随机向量，并得到第二向量；所述第一向量为所述第一数据方的数据，所述第一随机向量与所述第二向量的和等于所述第一向量；
所述第一数据方向第二数据方发送所述第一随机向量，并接收所述第二数据方发送的第二随机向量；所述第二随机向量为所述第二数据方根据第三向量随机生成的向量，所述第三向量为所述第二数据方的数据；
所述第一数据方根据相关度计算公式进行计算，得到第一相关度；其中，对于所述相关度计算公式中的交叉因子，所述第一数据方使用所述第二向量和所述第二随机向量，并根据密文计算协议进行计算；所述交叉因子为使用所述第一数据方的数据和所述第二数据方的数据进行联合计算的因子；
所述第一数据方接收所述第二数据方发送的第二相关度；其中，所述第二相关度为所述第二数据方根据所述相关度计算公式进行计算得到的结果，对于所述相关度计算公式中的交叉因子，所述第二数据方使用所述第一随机向量和第四向量，并根据所述密文计算协议进行计算，所述第四向量与所述第二随机向量的和等于所述第三向量；
所述第一数据方根据所述第一相关度和所述第二相关度，计算所述第一向量和所述第三向量之间的相关度。
根据第二方面，本申请提供了一种数据相关度计算装置，应用于第一数据方，所述装置包括：
第一随机生成模块，用于根据第一向量，随机生成第一随机向量，并得到第二向量；所述第一向量为所述第一数据方的数据，所述第一随机向量与所述第二向量的和等于所述第一向量；
第一交换模块，用于向第二数据方发送所述第一随机向量，并接收所述第二数据方发送的第二随机向量；所述第二随机向量为所述第二数据方根据第三向量随机生成的向量，所述第三向量为所述第二数据方的数据；
第一计算模块，用于根据相关度计算公式进行计算，得到第一相关度；其中，对于所述相关度计算公式中的交叉因子，使用所述第二向量和所述第二随机向量，并根据密文计算协议进行计算；所述交叉因子为使用所述第一数据方的数据和所述第二数据方的数据进行联合计算的因子；
接收模块，用于接收所述第二数据方发送的第二相关度；其中，所述第二相关度为所述第二数据方根据所述相关度计算公式进行计算得到的结果，对于所述相关度计算公式中的交叉因子，所述第二数据方使用所述第一随机向量和第四向量，并根据所述密文计算协议进行计算，所述第四向量与所述第二随机向量的和等于所述第三向量；
第二计算模块，用于根据所述第一相关度和所述第二相关度，计算所述第一向量和所述第三向量之间的相关度。
根据第三方面，本申请提供了另一种数据相关度计算方法，包括：
第一数据方根据第一向量，随机生成第一随机向量，并得到第二向量；所述第一向量为所述第一数据方的数据，所述第一随机向量与所述第二向量的和等于所述第一向量；
所述第一数据方向第二数据方发送所述第一随机向量，并接收所述第二数据方发送的第二随机向量；所述第二随机向量为所述第二数据方根据第三向量随机生成的向量，所述第三向量为所述第二数据方的数据；
所述第一数据方根据相关度计算公式进行计算，得到第一相关度；其中，对于所述相关度计算公式中的交叉因子，所述第一数据方使用所述第二向量和所述第二随机向量，并根据密文计算协议进行计算；所述交叉因子为使用所述第一数据方的数据和所述第二数据方的数据进行联合计算的因子；
所述第一数据方向所述第二数据方发送所述第一相关度。
根据第四方面，本申请提供了另一种数据相关度计算装置，应用于第一数据方，包括：
第一随机生成模块，用于根据第一向量，随机生成第一随机向量，并得到第二向量；所述第一向量为所述第一数据方的数据，所述第一随机向量与所述第二向量的和等于所述第一向量；
第一交换模块，用于向第二数据方发送所述第一随机向量，并接收所述第二数据方发送的第二随机向量；所述第二随机向量为所述第二数据方根据第三向量随机生成的向量，所述第三向量为所述第二数据方的数据；
计算模块，用于根据相关度计算公式进行计算，得到第一相关度；其中，对于所述相关度计算公式中的交叉因子，所述第一数据方使用所述第二向量和所述第二随机向量，并根据密文计算协议进行计算；所述交叉因子为使用所述第一数据方的数据和所述第二数据方的数据进行联合计算的因子；
发送模块，用于向所述第二数据方发送所述第一相关度。
根据第五方面，本申请提供了一种电子设备，包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面和第三方面中的任一项方法。
根据第六方面，本申请提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行第一方面和第三方面中的任一项方法。
根据第七方面，本申请提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现第一方面和第三方面中的任一项方法。
根据本申请的技术，通过各数据方对各自的数据进行分片并相互交换，这样，各数据方可以使用交换后的数据，并根据密文计算协议来进行相关度的计算。本申请将密码学技术应用于数据相关度分析中，能够实现在不暴露数据给对方的情况下，完成相关度计算，从而，能够保护各数据方的数据隐私，避免数据泄漏或被滥用的风险。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请第一实施例的数据相关度计算方法的流程示意图；
图2是根据本申请第一实施例的密文乘法协议的示意图；
图3是根据本申请第一实施例的数据相关度计算过程示意图；
图4是根据本申请第二实施例的数据相关度计算装置的结构示意图；
图5是根据本申请第三实施例的数据相关度计算方法的流程示意图；
图6是根据本申请第四实施例的数据相关度计算装置的结构示意图；
图7是用来实现本申请实施例的数据相关度计算方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
在进行数据调研时，需要计算不同数据方之间的数据相关度。现有技术中，一般采用以下方式进行数据相关度的计算：其一，调研方获取被调研方的数据，调研方根据自己的数据与被调研方的数据进行相关度计算；其二，调研方将数据发送给被调研方，被调研方根据调研方的数据与自己的数据进行相关度计算。无论采用上述何种方式，均存在不同数据方之间数据暴露的问题。
鉴于此，本申请将密码学技术应用于数据相关度分析中，以解决数据相关度计算中存在的上述问题。
以下对本申请的示范性实施例进行说明。
如图1所示，数据相关度计算方法，包括如下步骤：
步骤101：第一数据方根据第一向量，随机生成第一随机向量，并得到第二向量；所述第一向量为所述第一数据方的数据，所述第一随机向量与所述第二向量的和等于所述第一向量；
步骤102：所述第一数据方向第二数据方发送所述第一随机向量，并接收所述第二数据方发送的第二随机向量；所述第二随机向量为所述第二数据方根据第三向量随机生成的向量，所述第三向量为所述第二数据方的数据；
步骤103：所述第一数据方根据相关度计算公式进行计算，得到第一相关度；其中，对于所述相关度计算公式中的交叉因子，所述第一数据方使用所述第二向量和所述第二随机向量，并根据密文计算协议进行计算；所述交叉因子为使用所述第一数据方的数据和所述第二数据方的数据进行联合计算的因子；
步骤104：所述第一数据方接收所述第二数据方发送的第二相关度；其中，所述第二相关度为所述第二数据方根据所述相关度计算公式进行计算得到的结果，对于所述相关度计算公式中的交叉因子，所述第二数据方使用所述第一随机向量和第四向量，并根据所述密文计算协议进行计算，所述第四向量与所述第二随机向量的和等于所述第三向量；
步骤105：所述第一数据方根据所述第一相关度和所述第二相关度，计算所述第一向量和所述第三向量之间的相关度。
本申请实施例中，第一数据方可以理解为调研方，第二数据方可以理解为被调研方。第一向量为第一数据方自身的数据形成的向量，第三向量为第二数据方自身的数据形成的向量，第一向量的维度通常与第三向量的维度相同。本申请实施例的目的是通过密码学技术来计算第一向量与第三向量之间的相关度。
上述第一随机向量是第一数据方随机生成的，第一随机向量的维度与第一向量的维度相同，假设第一向量为X＝(x1,…,xn)，第一随机向量为X′＝(rx1,…,r xn)，则第二向量为X″＝(x1-rx1,…,xn-r xn)。
步骤101可以理解为，第一数据方将第一向量进行分片，得到了第一随机向量和第二向量，第一数据方通过将第一向量进行分片，实现了第一向量的加密，即将第一向量加密形成第一随机向量和第二向量。
相应的，第二数据方也可以将自己的数据进行分片，本申请中，第二数据方将第三向量进行分片，得到第二随机向量和第四向量，第二数据方通过将第三向量进行分片，实现了第三向量的加密，即将第三向量加密形成第二随机向量和第四向量。
第二随机向量的维度与第三向量的维度相同，假设第三向量为Y＝(y1,…,yn)，第二随机向量为Y′＝(ry1,…,ryn)，则第四向量为Y″＝(y1-ry1,…,yn-ryn)。
在第一数据方将第一向量进行分片之后，第一数据方可以将第一随机向量发送给第二数据方，而自己保留第二向量，在后续相关度计算中，该第二向量可以被第一数据方用来替代原本的真实数据(即第一向量)来计算相关度。
相应的，在第二数据方将第三向量进行分片之后，第二数据方也可以将第二随机向量发送给第一数据方，而自己保留第四向量，在后续相关度计算中，该第四向量可以被第二数据方用来替代原本的真实数据(即第二向量)来计算相关度。
步骤102中，第一数据方与第二数据方交换各自随机生成的随机向量。由于随机向量并不是各数据方的真实数据，因此，能够保护各数据方的数据隐私，避免数据泄漏或被滥用的风险。
在相关度计算公式中，涉及需要使用双方数据进行联合计算的因子，本申请将该因子称为交叉因子。基于前述第一数据方与第二数据方交换各自随机生成的随机向量，各数据方即可根据交换之后的数据进行交叉因子的计算。
本申请实施例中，在交叉因子的计算中，由于双方交换的随机向量并不是真实数据，因此，需要采用密文计算协议来进行计算。密文计算协议为密码学技术中采用的计算规则，现有的密码学技术有多种，例如，算术共享(Arithmetic Sharing)密码学技术、布尔共享(Boolean Sharing)密码学技术等等，本申请可以根据实际需求选择适用的密码学技术，即选择适用的密文计算协议进行交叉因子的计算。
具体的，第一数据方可以使用第二向量和第二随机向量，并根据密文计算协议计算交叉因子；相应的，第二数据方可以使用第四向量和第一随机向量，并根据密文计算协议计算交叉因子。
本申请实施例中，第一数据方根据相关度计算公式计算得到了第一相关度，相应的，第二数据方也根据相关度计算公式计算得到了第二相关度，第二数据方将第二相关度发送给第一数据方。这样，第一数据方可以根据第一相关度和第二相关度，计算第一向量和第三向量之间的相关度。
根据本申请实施例的技术，通过各数据方对各自的数据进行分片并相互交换，这样，各数据方可以使用交换后的数据，并根据密文计算协议来进行相关度的计算。本申请将密码学技术应用于数据相关度分析中，能够实现在不暴露数据给对方的情况下，完成相关度计算，从而，能够保护各数据方的数据隐私，避免数据泄漏或被滥用的风险。
可选的，所述第一向量为X＝(x1,…,xn)，所述第三向量为Y＝(y1,…,yn)，所述相关度计算公式为：
Figure BDA0002838909110000071
其中，r表示相关度，
Figure BDA0002838909110000072
为所述相关度计算公式中的第一因子，
Figure BDA0002838909110000073
为所述相关度计算公式中的第二因子，
Figure BDA0002838909110000074
为所述相关度计算公式中的交叉因子。
可选的，对于所述相关度计算公式中的第一因子，所述第一数据方使用所述第一向量进行计算。
该实施方式中，对于上述相关度计算公式，第一数据方在计算第一相关度时，可以使用真实的本地数据(即第一向量)来计算第一因子，这样可以使第一因子的计算更为简单。
可选的，所述第三向量中包括至少两个数据；
对于所述相关度计算公式中的第二因子，所述第一数据方将所述第二数据方根据所述第三向量计算得到的结果作为所述第二因子。
该实施方式中，对于上述相关度计算公式，第一数据方在计算第一相关度时，对于第二因子，第一数据方可从第二数据方获取，当第三向量中包括至少两个数据时，第二数据方使用第三向量计算得到的第二因子不会直接暴露第三向量中的真实数据，因此，第二数据方也可以使用真实的本地数据(即第三向量)来计算该第二因子，并将其发送给第一数据方，这样可以使第二因子的计算更为简单。
此外，对于上述相关度计算公式，第一数据方在计算第一相关度时，对于交叉因子，第一数据方可以将第一向量的相关数据替换为第二向量的相关数据，并将第二随机向量的相关数据作为第三向量的相关数据。
相应的，第二数据方在计算第二相关度时，可以使用真实的本地数据(即第三向量)来计算第二因子。对于第一因子，第二数据方可从第一数据方获取，当第一向量中包括至少两个数据时，第一数据方使用第一向量计算得到的第一因子不会直接暴露第一向量中的真实数据，因此，第一数据方也可以使用真实的本地数据(即第一向量)来计算该第一因子。对于交叉因子，第二数据方可以将第三向量的相关数据替换为第四向量的相关数据，并将第一随机向量的相关数据作为第一向量的相关数据。
额外的，当第三向量中包括至少两个数据时，虽然第二数据方使用第三向量计算得到的第二因子不会直接暴露第三向量中的真实数据，但考虑到第二因子可能存在暴露第三向量的真实数据的数据范围的风险，为了进一步提高双方数据的隐私保护程度，可以采用以下实施方式：
第一数据方在计算第一相关度时，对于第二因子，第二数据方可以将一随机数发送给第一数据方，第一数据方使用该随机数来计算该第二因子。而对于第一因子，第一数据方既可以使用真实的本地数据(即第一向量)来计算，也可以使用加密数据来计算，本申请实施例对此不作限定。
相应的，第二数据方在计算第二相关度时，对于第一因子，第一数据方可以将一随机数发送给第二数据方，第二数据方使用该随机数来计算该第一因子。而对于第二因子，第二数据方既可以使用真实的本地数据(即第三向量)来计算，也可以使用加密数据来计算，本申请实施例对此不作限定。
第一数据方在计算第一相关度时，第一因子、第二因子和交叉因子之间的运算可以采用普通的运算实现，也可以采用密文计算协议来实现。相应的，第二数据方在计算第二相关度时，第一因子、第二因子和交叉因子之间的运算可以采用普通的运算实现，也可以采用密文计算协议来实现。
可选的，所述方法还包括：
所述第一数据方随机生成第一随机数，并得到第一参数，所述第一随机数与所述第一参数的和等于所述第一数据方使用所述第一向量计算得到的第一因子；
所述第一数据方向所述第二数据方发送所述第一随机数，并接收所述第二数据方发送的第二随机数；
其中，所述第一相关度为所述第一数据方根据相关度计算公式和所述密文计算协议，使用所述第一参数、所述第二随机数、所述第二向量和所述第二随机向量，计算得到的结果；
所述第二相关度为所述第二数据方根据相关度计算公式和所述密文计算协议，使用第二参数、所述第一随机数、所述第四向量和所述第一随机向量，计算得到的结果；所述第二参数与所述第二随机数的和等于所述第二数据方使用所述第三向量计算得到的第二因子。
为了更进一步地提高双方数据的隐私保护程度，该实施方式中，对于各数据方本地数据计算部分，即相关度计算公式中的第一因子和第二因子部分，各数据方也进行分片(加密)并相互交换。
具体的，第一数据方通过随机生成第一随机数的方式，将使用第一向量计算得到的第一因子进行分片，即，将第一因子分成第一随机数和第一参数，并将第一随机数发送给第二数据方。这样，第二数据方无法通过第一随机数知晓第一数据方的真实数据，也无法判断第一数据方的数据范围，从而进一步提高了第一数据方的数据的隐私保护程度。
第二数据方通过随机生成第二随机数的方式，将使用第三向量计算得到的第二因子进行分片，即，将第二因子分成第二随机数和第二参数，并将第二随机数发送给第一数据方。这样，第一数据方无法通过第二随机数知晓第二数据方的真实数据，也无法判断第二数据方的数据范围，从而进一步提高了第二数据方的数据的隐私保护程度。
在双方进行随机数交换之后，双方按照如下方式进行相关度的计算：
对于第一数据方计算第一相关度：第一数据方使用第一参数作为第一因子，使用第二随机数作为第二因子，使用第二向量和第二随机向量计算交叉因子。其中，第一数据方使用第二向量和第二随机向量计算交叉因子时，需要按照密文乘法协议和密文加法协议进行计算。在确定了第一因子、第二因子和交叉因子之后，第一数据方再按照密文乘法协议进行第一相关度的计算即可。
对于第二数据方计算第二相关度：第二数据方使用第一随机数作为第一因子，使用第二参数作为第二因子，使用第一随机向量和第四向量计算交叉因子，其中，第二数据方使用第一随机向量和第四向量计算交叉因子时，需要按照密文乘法协议和密文加法协议进行计算。在确定了第一因子、第二因子和交叉因子之后，第二数据方再按照密文乘法协议进行第二相关度的计算即可。
通过该实施方式，能够进一步地提高双方数据的隐私保护程度。
可选的，所述第一数据方根据所述第一相关度和所述第二相关度，计算所述第一向量和所述第三向量之间的相关度，包括：
所述第一数据方计算所述第一相关度与所述第二相关度的和，作为所述第一向量和所述第三向量之间的相关度。
除了采用上述方式来计算第一向量和第三向量之间的相关度，还可以采用其他的方式，例如加权平均，等等。
可选的，所述密文计算协议为算术分享密码学的密文计算协议。
本申请实施例以算术分享密码学的密文计算协议作为示例，介绍上述过程所涉及的密文加法协议和密文乘法协议：
密文加法协议：A拥有数据x＝x0+x1，B拥有数据y＝y0+y1，分片并交换以后，A拥有分片数据x0、y0，B拥有分片数据x1、y1。A本地计算z0＝x0+y0，B本地计算z1＝x1+y1，则z＝z0+z1＝(x0+y0)+(x1+y1)＝(x0+x1)+(y0+y1)＝x+y。所以对于密文加法协议，只需要A和B分别对本地的分片相加即可。
密文乘法协议：首先A和B双方运行OT(Oblivious Transfer，不经意传输)协议产生Beaver Triple，满足c＝c0+c1＝(a0+a1)·(b0+b1)＝a·b，A拥有分片数据c0、a0、b0，B拥有分片数据c1、a1、b1。A拥有数据x＝x0+x1，B拥有数据y＝y0+y1，分片通信以后，A拥有分片数据x0、y0，B拥有分片数据x1、y1。A和B计算联合乘法的过程可以理解成，A和B分别算得到z0，z1，使得z＝z0+z1＝x·y。
如图2所示，具体计算过程如下：
其中e＝e0+e1＝x0–a0+x1–a1＝(x0+x1)-(a0+a1)＝x-a
f＝f0+f1＝y0–b0+y1–b1＝(y0+y1)-(b0+b1)＝y-b
z＝z0+z1
＝(f·a0+e·b0+c0)+(e·f+f·a1+e·b1+c1)
＝(f·a0+f·a1)+(e·b0+e·b1)+e·f+(c0+c1)
＝f·a+e·b+e·f+c
＝(y-b)·a+(x-a)·b+(x-a)·(y-b)+a·b
＝y·a-b·a+x·b-a·b+x·y-a·y-x·b+a·b+a·b
＝x·y
所以，z0和z1可以x·y的分片。
以下结合图3对本申请实施例的整个计算过程进行举例说明。
如图3所示，首先，第一数据方和第二数据方使用各自的本地数据进行预计算和数据准备，在这部分，第一数据方根据相似度计算公式计算出第一因子，第二数据方根据相似度计算公式计算出第二因子。第二，第一数据方和第二数据方分别对本地数据进行分片并相互交换随机向量和随机数。第三，在交换随机向量和随机数之后，第一数据方和第二数据方分别密文域的相关度计算，其中，第一数据方通过计算得到第一相关度corr0，第二数据方通过计算得到第二相关度corr1。最后，第一数据方根据第一相关度和第二数据方发送的第二相关度来计算相关度。
需要说明的是，本申请中的数据相关度计算方法中的多种可选的实施方式，彼此可以相互结合实现，也可以单独实现，对此本申请不作限定。
本申请的上述实施例至少具有如下优点或有益效果：
本申请实施例中，通过各数据方对各自的数据进行分片并相互交换，这样，各数据方可以使用交换后的数据，并根据密文计算协议来进行相关度的计算。本申请将密码学技术应用于数据相关度分析中，能够实现在不暴露数据给对方的情况下，完成相关度计算，从而，能够保护各数据方的数据隐私，避免数据泄漏或被滥用的风险。
如图4所示，本申请提供一种数据相关度计算装置200，应用于第一数据方，数据相关度计算装置200包括：
第一随机生成模块201，用于根据第一向量，随机生成第一随机向量，并得到第二向量；所述第一向量为所述第一数据方的数据，所述第一随机向量与所述第二向量的和等于所述第一向量；
第一交换模块202，用于向第二数据方发送所述第一随机向量，并接收所述第二数据方发送的第二随机向量；所述第二随机向量为所述第二数据方根据第三向量随机生成的向量，所述第三向量为所述第二数据方的数据；
第一计算模块203，用于根据相关度计算公式进行计算，得到第一相关度；其中，对于所述相关度计算公式中的交叉因子，使用所述第二向量和所述第二随机向量，并根据密文计算协议进行计算；所述交叉因子为使用所述第一数据方的数据和所述第二数据方的数据进行联合计算的因子；
接收模块204，用于接收所述第二数据方发送的第二相关度；其中，所述第二相关度为所述第二数据方根据所述相关度计算公式进行计算得到的结果，对于所述相关度计算公式中的交叉因子，所述第二数据方使用所述第一随机向量和第四向量，并根据所述密文计算协议进行计算，所述第四向量与所述第二随机向量的和等于所述第三向量；
第二计算模块205，用于根据所述第一相关度和所述第二相关度，计算所述第一向量和所述第三向量之间的相关度。
可选的，所述第一向量为X＝(x1,…,xn)，所述第三向量为Y＝(y1,…,yn)，所述相关度计算公式为：
Figure BDA0002838909110000121
其中，r表示相关度，
Figure BDA0002838909110000122
为所述相关度计算公式中的第一因子，
Figure BDA0002838909110000123
为所述相关度计算公式中的第二因子，
Figure BDA0002838909110000124
为所述相关度计算公式中的交叉因子。
可选的，第一计算模块203还用于：
对于所述相关度计算公式中的第一因子，使用所述第一向量进行计算。
可选的，所述第三向量中包括至少两个数据；
第一计算模块203还用于：
对于所述相关度计算公式中的第二因子，将所述第二数据方根据所述第三向量计算得到的结果作为所述第二因子。
可选的，数据相关度计算装置200还包括：
第二随机生成模块，用于随机生成第一随机数，并得到第一参数，所述第一随机数与所述第一参数的和等于所述第一数据方使用所述第一向量计算得到的第一因子；
第二交换模块，用于向所述第二数据方发送所述第一随机数，并接收所述第二数据方发送的第二随机数；
其中，所述第一相关度为所述第一数据方根据相关度计算公式和所述密文计算协议，使用所述第一参数、所述第二随机数、所述第二向量和所述第二随机向量，计算得到的结果；
所述第二相关度为所述第二数据方根据相关度计算公式和所述密文计算协议，使用第二参数、所述第一随机数、所述第四向量和所述第一随机向量，计算得到的结果；所述第二参数与所述第二随机数的和等于所述第二数据方使用所述第三向量计算得到的第二因子。
可选的，第二计算模块205具体用于：
计算所述第一相关度与所述第二相关度的和，作为所述第一向量和所述第三向量之间的相关度。
可选的，所述密文计算协议为算术分享密码学的密文计算协议。
本申请实施例提供的数据相关度计算装置200能够实现上述数据相关度计算方法实施例中的各个过程，且能够达到相同的有益效果，为避免重复，这里不再赘述。
如图5所示，数据相关度计算方法，包括如下步骤：
步骤301：第一数据方根据第一向量，随机生成第一随机向量，并得到第二向量；所述第一向量为所述第一数据方的数据，所述第一随机向量与所述第二向量的和等于所述第一向量；
步骤302：所述第一数据方向第二数据方发送所述第一随机向量，并接收所述第二数据方发送的第二随机向量；所述第二随机向量为所述第二数据方根据第三向量随机生成的向量，所述第三向量为所述第二数据方的数据；
步骤303：所述第一数据方根据相关度计算公式进行计算，得到第一相关度；其中，对于所述相关度计算公式中的交叉因子，所述第一数据方使用所述第二向量和所述第二随机向量，并根据密文计算协议进行计算；所述交叉因子为使用所述第一数据方的数据和所述第二数据方的数据进行联合计算的因子；
步骤304：所述第一数据方向所述第二数据方发送所述第一相关度。
可选的，所述第一向量为X＝(x1,…,xn)，所述第三向量为Y＝(y1,…,yn)，所述相关度计算公式为：
Figure BDA0002838909110000141
其中，r表示相关度，
Figure BDA0002838909110000142
为所述相关度计算公式中的第一因子，
Figure BDA0002838909110000143
为所述相关度计算公式中的第二因子，
Figure BDA0002838909110000144
为所述相关度计算公式中的交叉因子。
可选的，对于所述相关度计算公式中的第一因子，所述第一数据方使用所述第一向量进行计算。
可选的，所述第三向量中包括至少两个数据；
对于所述相关度计算公式中的第二因子，所述第一数据方将所述第二数据方根据所述第三向量计算得到的结果作为所述第二因子。
可选的，所述方法还包括：
所述第一数据方随机生成第一随机数，并得到第一参数，所述第一随机数与所述第一参数的和等于所述第一数据方使用所述第一向量计算得到的第一因子；
所述第一数据方向所述第二数据方发送所述第一随机数，并接收所述第二数据方发送的第二随机数；
其中，所述第一相关度为所述第一数据方根据相关度计算公式和所述密文计算协议，使用所述第一参数、所述第二随机数、所述第二向量和所述第二随机向量，计算得到的结果。
可选的，所述密文计算协议为算术分享密码学的密文计算协议。
需要说明的是，本申请实施例中，第一数据方可以理解为被调研方，第二数据方可以理解为调研方，也就是说，可以将本申请实施例中的第一数据方视为图1至图3中的实施例的第二数据方，将本申请实施例中的第二数据方视为图1至图3中的实施例的第一数据方。本申请实施例的相关说明可以参见图1至图3中的实施例的相关说明。为避免重复，对此不作赘述。
根据本申请实施例的技术，通过各数据方对各自的数据进行分片并相互交换，这样，各数据方可以使用交换后的数据，并根据密文计算协议来进行相关度的计算。本申请将密码学技术应用于数据相关度分析中，能够实现在不暴露数据给对方的情况下，完成相关度计算，从而，能够保护各数据方的数据隐私，避免数据泄漏或被滥用的风险。
如图6所示，本申请提供一种数据相关度计算装置400，应用于第一数据方，数据相关度计算装置400包括：
第一随机生成模块401，用于根据第一向量，随机生成第一随机向量，并得到第二向量；所述第一向量为所述第一数据方的数据，所述第一随机向量与所述第二向量的和等于所述第一向量；
第一交换模块402，用于向第二数据方发送所述第一随机向量，并接收所述第二数据方发送的第二随机向量；所述第二随机向量为所述第二数据方根据第三向量随机生成的向量，所述第三向量为所述第二数据方的数据；
计算模块403，用于根据相关度计算公式进行计算，得到第一相关度；其中，对于所述相关度计算公式中的交叉因子，所述第一数据方使用所述第二向量和所述第二随机向量，并根据密文计算协议进行计算；所述交叉因子为使用所述第一数据方的数据和所述第二数据方的数据进行联合计算的因子；
发送模块404，用于向所述第二数据方发送所述第一相关度。
可选的，所述第一向量为X＝(x1,…,xn)，所述第三向量为Y＝(y1,…,yn)，所述相关度计算公式为：
Figure BDA0002838909110000151
其中，r表示相关度，
Figure BDA0002838909110000161
为所述相关度计算公式中的第一因子，
Figure BDA0002838909110000162
为所述相关度计算公式中的第二因子，
Figure BDA0002838909110000163
Figure BDA0002838909110000164
为所述相关度计算公式中的交叉因子。
可选的，计算模块403还用于：
对于所述相关度计算公式中的第一因子，使用所述第一向量进行计算。
可选的，所述第三向量中包括至少两个数据；
计算模块403还用于：
对于所述相关度计算公式中的第二因子，将所述第二数据方根据所述第三向量计算得到的结果作为所述第二因子。
可选的，数据相关度计算装置400还包括：
第二随机生成模块，用于随机生成第一随机数，并得到第一参数，所述第一随机数与所述第一参数的和等于所述第一数据方使用所述第一向量计算得到的第一因子；
第二交换模块，用于向所述第二数据方发送所述第一随机数，并接收所述第二数据方发送的第二随机数；
其中，所述第一相关度为所述第一数据方根据相关度计算公式和所述密文计算协议，使用所述第一参数、所述第二随机数、所述第二向量和所述第二随机向量，计算得到的结果。
可选的，所述密文计算协议为算术分享密码学的密文计算协议。
本申请实施例提供的数据相关度计算装置400能够实现上述数据相关度计算方法实施例中的各个过程，且能够达到相同的有益效果，为避免重复，这里不再赘述。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示，电子设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM503中，还可以存储设备500操作所需的各种程序和数据。计算单元501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
电子设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调整解调器、无线通信收发机等。通信单元509允许电子设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如数据相关度计算方法。例如，在一些实施例中，数据相关度计算方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM503并由计算单元501执行时，可以执行上文描述的数据相关度计算方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方法(例如，借助于固件)而被配置为执行数据相关度计算方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编辑语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入、或者触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (28)

1.一种数据相关度计算方法，应用于数据安全传输过程，所述方法包括：
第一数据方根据第一向量，随机生成第一随机向量，并得到第二向量；所述第一向量为所述第一数据方的数据，所述第一随机向量与所述第二向量的和等于所述第一向量；
所述第一数据方向第二数据方发送所述第一随机向量，并接收所述第二数据方发送的第二随机向量；所述第二随机向量为所述第二数据方根据第三向量随机生成的向量，所述第三向量为所述第二数据方的数据；
所述第一数据方根据相关度计算公式进行计算，得到第一相关度；其中，对于所述相关度计算公式中的交叉因子，所述第一数据方使用所述第二向量和所述第二随机向量，并根据密文计算协议进行计算；所述交叉因子为使用所述第一数据方的数据和所述第二数据方的数据进行联合计算的因子；
所述第一数据方接收所述第二数据方发送的第二相关度；其中，所述第二相关度为所述第二数据方根据所述相关度计算公式进行计算得到的结果，对于所述相关度计算公式中的交叉因子，所述第二数据方使用所述第一随机向量和第四向量，并根据所述密文计算协议进行计算，所述第四向量与所述第二随机向量的和等于所述第三向量；
所述第一数据方根据所述第一相关度和所述第二相关度，计算所述第一向量和所述第三向量之间的相关度。
2.根据权利要求1所述的方法，其中，所述第一向量为X＝(x1,…,xn)，所述第三向量为Y＝(y1,…,yn)，所述相关度计算公式为：
Figure FDA0003822963430000011
其中，r表示相关度，
Figure FDA0003822963430000012
为所述相关度计算公式中的第一因子，
Figure FDA0003822963430000013
为所述相关度计算公式中的第二因子，
Figure FDA0003822963430000014
Figure FDA0003822963430000015
为所述相关度计算公式中的交叉因子。
3.根据权利要求2所述的方法，其中，对于所述相关度计算公式中的第一因子，所述第一数据方使用所述第一向量进行计算。
4.根据权利要求2所述的方法，其中，所述第三向量中包括至少两个数据；
对于所述相关度计算公式中的第二因子，所述第一数据方将所述第二数据方根据所述第三向量计算得到的结果作为所述第二因子。
5.根据权利要求2所述的方法，所述方法还包括：
所述第一数据方随机生成第一随机数，并得到第一参数，所述第一随机数与所述第一参数的和等于所述第一数据方使用所述第一向量计算得到的第一因子；
所述第一数据方向所述第二数据方发送所述第一随机数，并接收所述第二数据方发送的第二随机数；
其中，所述第一相关度为所述第一数据方根据相关度计算公式和所述密文计算协议，使用所述第一参数、所述第二随机数、所述第二向量和所述第二随机向量，计算得到的结果；
所述第二相关度为所述第二数据方根据相关度计算公式和所述密文计算协议，使用第二参数、所述第一随机数、所述第四向量和所述第一随机向量，计算得到的结果；所述第二参数与所述第二随机数的和等于所述第二数据方使用所述第三向量计算得到的第二因子。
6.根据权利要求1所述的方法，其中，所述第一数据方根据所述第一相关度和所述第二相关度，计算所述第一向量和所述第三向量之间的相关度，包括：
所述第一数据方计算所述第一相关度与所述第二相关度的和，作为所述第一向量和所述第三向量之间的相关度。
7.根据权利要求1所述的方法，其中，所述密文计算协议为算术分享密码学的密文计算协议。
8.一种数据相关度计算装置，应用于数据安全传输过程的第一数据方，所述装置包括：
第一随机生成模块，用于根据第一向量，随机生成第一随机向量，并得到第二向量；所述第一向量为所述第一数据方的数据，所述第一随机向量与所述第二向量的和等于所述第一向量；
第一交换模块，用于向第二数据方发送所述第一随机向量，并接收所述第二数据方发送的第二随机向量；所述第二随机向量为所述第二数据方根据第三向量随机生成的向量，所述第三向量为所述第二数据方的数据；
第一计算模块，用于根据相关度计算公式进行计算，得到第一相关度；其中，对于所述相关度计算公式中的交叉因子，使用所述第二向量和所述第二随机向量，并根据密文计算协议进行计算；所述交叉因子为使用所述第一数据方的数据和所述第二数据方的数据进行联合计算的因子；
接收模块，用于接收所述第二数据方发送的第二相关度；其中，所述第二相关度为所述第二数据方根据所述相关度计算公式进行计算得到的结果，对于所述相关度计算公式中的交叉因子，所述第二数据方使用所述第一随机向量和第四向量，并根据所述密文计算协议进行计算，所述第四向量与所述第二随机向量的和等于所述第三向量；
第二计算模块，用于根据所述第一相关度和所述第二相关度，计算所述第一向量和所述第三向量之间的相关度。
9.根据权利要求8所述的装置，其中，所述第一向量为X＝(x1,…,xn)，所述第三向量为Y＝(y1,…,yn)，所述相关度计算公式为：
Figure FDA0003822963430000031
其中，r表示相关度，
Figure FDA0003822963430000032
为所述相关度计算公式中的第一因子，
Figure FDA0003822963430000033
为所述相关度计算公式中的第二因子，
Figure FDA0003822963430000034
Figure FDA0003822963430000035
为所述相关度计算公式中的交叉因子。
10.根据权利要求9所述的装置，其中，所述第一计算模块还用于：
对于所述相关度计算公式中的第一因子，使用所述第一向量进行计算。
11.根据权利要求9所述的装置，其中，所述第三向量中包括至少两个数据；
所述第一计算模块还用于：
对于所述相关度计算公式中的第二因子，将所述第二数据方根据所述第三向量计算得到的结果作为所述第二因子。
12.根据权利要求9所述的装置，还包括：
第二随机生成模块，用于随机生成第一随机数，并得到第一参数，所述第一随机数与所述第一参数的和等于所述第一数据方使用所述第一向量计算得到的第一因子；
第二交换模块，用于向所述第二数据方发送所述第一随机数，并接收所述第二数据方发送的第二随机数；
其中，所述第一相关度为所述第一数据方根据相关度计算公式和所述密文计算协议，使用所述第一参数、所述第二随机数、所述第二向量和所述第二随机向量，计算得到的结果；
所述第二相关度为所述第二数据方根据相关度计算公式和所述密文计算协议，使用第二参数、所述第一随机数、所述第四向量和所述第一随机向量，计算得到的结果；所述第二参数与所述第二随机数的和等于所述第二数据方使用所述第三向量计算得到的第二因子。
13.根据权利要求8所述的装置，其中，所述第二计算模块具体用于：
计算所述第一相关度与所述第二相关度的和，作为所述第一向量和所述第三向量之间的相关度。
14.根据权利要求8所述的装置，其中，所述密文计算协议为算术分享密码学的密文计算协议。
15.一种数据相关度计算方法，应用于数据安全传输过程，所述方法包括：
第一数据方根据第一向量，随机生成第一随机向量，并得到第二向量；所述第一向量为所述第一数据方的数据，所述第一随机向量与所述第二向量的和等于所述第一向量；
所述第一数据方向第二数据方发送所述第一随机向量，并接收所述第二数据方发送的第二随机向量；所述第二随机向量为所述第二数据方根据第三向量随机生成的向量，所述第三向量为所述第二数据方的数据；
所述第一数据方根据相关度计算公式进行计算，得到第一相关度；其中，对于所述相关度计算公式中的交叉因子，所述第一数据方使用所述第二向量和所述第二随机向量，并根据密文计算协议进行计算；所述交叉因子为使用所述第一数据方的数据和所述第二数据方的数据进行联合计算的因子；
所述第一数据方向所述第二数据方发送所述第一相关度。
16.根据权利要求15所述的方法，其中，所述第一向量为X＝(x1,…,xn)，所述第三向量为Y＝(y1,…,yn)，所述相关度计算公式为：
Figure FDA0003822963430000041
其中，r表示相关度，
Figure FDA0003822963430000042
为所述相关度计算公式中的第一因子，
Figure FDA0003822963430000043
为所述相关度计算公式中的第二因子，
Figure FDA0003822963430000044
Figure FDA0003822963430000045
为所述相关度计算公式中的交叉因子。
17.根据权利要求16所述的方法，其中，对于所述相关度计算公式中的第一因子，所述第一数据方使用所述第一向量进行计算。
18.根据权利要求16所述的方法，其中，所述第三向量中包括至少两个数据；
对于所述相关度计算公式中的第二因子，所述第一数据方将所述第二数据方根据所述第三向量计算得到的结果作为所述第二因子。
19.根据权利要求16所述的方法，所述方法还包括：
所述第一数据方随机生成第一随机数，并得到第一参数，所述第一随机数与所述第一参数的和等于所述第一数据方使用所述第一向量计算得到的第一因子；
所述第一数据方向所述第二数据方发送所述第一随机数，并接收所述第二数据方发送的第二随机数；
其中，所述第一相关度为所述第一数据方根据相关度计算公式和所述密文计算协议，使用所述第一参数、所述第二随机数、所述第二向量和所述第二随机向量，计算得到的结果。
20.根据权利要求15所述的方法，其中，所述密文计算协议为算术分享密码学的密文计算协议。
21.一种数据相关度计算装置，应用于数据安全传输过程的第一数据方，包括：
第一随机生成模块，用于根据第一向量，随机生成第一随机向量，并得到第二向量；所述第一向量为所述第一数据方的数据，所述第一随机向量与所述第二向量的和等于所述第一向量；
第一交换模块，用于向第二数据方发送所述第一随机向量，并接收所述第二数据方发送的第二随机向量；所述第二随机向量为所述第二数据方根据第三向量随机生成的向量，所述第三向量为所述第二数据方的数据；
计算模块，用于根据相关度计算公式进行计算，得到第一相关度；其中，对于所述相关度计算公式中的交叉因子，所述第一数据方使用所述第二向量和所述第二随机向量，并根据密文计算协议进行计算；所述交叉因子为使用所述第一数据方的数据和所述第二数据方的数据进行联合计算的因子；
发送模块，用于向所述第二数据方发送所述第一相关度。
22.根据权利要求21所述的装置，其中，所述第一向量为X＝(x1,…,xn)，所述第三向量为Y＝(y1,…,yn)，所述相关度计算公式为：
Figure FDA0003822963430000061
其中，r表示相关度，
Figure FDA0003822963430000062
为所述相关度计算公式中的第一因子，
Figure FDA0003822963430000063
为所述相关度计算公式中的第二因子，
Figure FDA0003822963430000064
Figure FDA0003822963430000065
为所述相关度计算公式中的交叉因子。
23.根据权利要求22所述的装置，其中，所述计算模块还用于：
对于所述相关度计算公式中的第一因子，使用所述第一向量进行计算。
24.根据权利要求22所述的装置，其中，所述第三向量中包括至少两个数据；
所述计算模块还用于：
对于所述相关度计算公式中的第二因子，将所述第二数据方根据所述第三向量计算得到的结果作为所述第二因子。
25.根据权利要求22所述的装置，还包括：
第二随机生成模块，用于随机生成第一随机数，并得到第一参数，所述第一随机数与所述第一参数的和等于所述第一数据方使用所述第一向量计算得到的第一因子；
第二交换模块，用于向所述第二数据方发送所述第一随机数，并接收所述第二数据方发送的第二随机数；
其中，所述第一相关度为所述第一数据方根据相关度计算公式和所述密文计算协议，使用所述第一参数、所述第二随机数、所述第二向量和所述第二随机向量，计算得到的结果。
26.根据权利要求21所述的装置，其中，所述密文计算协议为算术分享密码学的密文计算协议。
27.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7、15至20中任一项所述的方法。
28.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1至7、15至20中任一项所述的方法。
CN202011485250.0A 2020-12-16 2020-12-16 数据相关度计算方法、装置、电子设备和存储介质 Active CN112637174B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011485250.0A CN112637174B (zh) 2020-12-16 2020-12-16 数据相关度计算方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011485250.0A CN112637174B (zh) 2020-12-16 2020-12-16 数据相关度计算方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN112637174A CN112637174A (zh) 2021-04-09
CN112637174B true CN112637174B (zh) 2022-10-21

Family

ID=75313683

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011485250.0A Active CN112637174B (zh) 2020-12-16 2020-12-16 数据相关度计算方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN112637174B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106326217A (zh) * 2015-06-15 2017-01-11 华东师范大学 一种基于随机算法的分布式实体匹配方法
CN109861964A (zh) * 2018-11-30 2019-06-07 华为技术有限公司 数据分析方法、设备以及系统
CN110727951A (zh) * 2019-10-14 2020-01-24 桂林电子科技大学 具有隐私保护的轻量级外包文件多关键词检索方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9749128B2 (en) * 2014-05-15 2017-08-29 Xerox Corporation Compact fuzzy private matching using a fully-homomorphic encryption scheme

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106326217A (zh) * 2015-06-15 2017-01-11 华东师范大学 一种基于随机算法的分布式实体匹配方法
CN109861964A (zh) * 2018-11-30 2019-06-07 华为技术有限公司 数据分析方法、设备以及系统
CN110727951A (zh) * 2019-10-14 2020-01-24 桂林电子科技大学 具有隐私保护的轻量级外包文件多关键词检索方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《Achieving Efficient Similar Document Search over Encrypted Data on the Cloud》;Daisuke Aritomo 等;《2019 IEEE International Conference on Smart Computing (SMARTCOMP)》;20191231;全文 *
《面向云存储的基于全同态密码技术的文档相似度计算方法》;江小平 等;《计算机工程与科学》;20171031;全文 *

Also Published As

Publication number Publication date
CN112637174A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
WO2022237450A1 (zh) 多方安全计算方法、装置、设备及存储介质
CN111931207A (zh) 获得隐私集合交集的方法、装置、设备及存储介质
CN112560091B (zh) 数字签名方法、签名信息的验证方法、相关装置及电子设备
WO2023040429A1 (zh) 用于联邦特征工程的数据处理方法、装置、设备以及介质
AU2022200282B2 (en) Digital signature method, signature information verification method, related apparatus and electronic device
CN112598138A (zh) 数据处理方法、装置、联邦学习系统和电子设备
CN114186256A (zh) 神经网络模型的训练方法、装置、设备和存储介质
CN113794706B (zh) 数据的处理方法、装置、电子设备及可读存储介质
CN115150063A (zh) 模型加密的方法、装置及电子设备
CN114465801A (zh) 可信数据的上报方法、装置和电子设备
CN116781425B (zh) 一种业务数据获取方法、装置、设备及存储介质
CN112637174B (zh) 数据相关度计算方法、装置、电子设备和存储介质
KR102515682B1 (ko) 분산형 기계 학습 모델의 트레이닝 방법, 장치, 설비 및 매체
CN116405199A (zh) 基于ntru算法和sm2算法的加密方法、装置、设备和介质
CN113609156B (zh) 数据的查询与写入方法、装置、电子设备及可读存储介质
WO2022110716A1 (zh) 冷启动推荐方法、装置、计算机设备及存储介质
CN115858914A (zh) 一种匿踪查询方法、装置、系统、终端设备及存储介质
CN104486311A (zh) 一种支持可扩展性的远程数据完整性检查方法
CN115599959A (zh) 数据共享方法、装置、设备及存储介质
CN115484080A (zh) 小程序的数据处理方法、装置、设备以及存储介质
CN112598127B (zh) 联邦学习模型训练方法和装置、电子设备、介质和产品
CN117009723B (zh) 一种多方计算方法、装置、设备及存储介质
CN112861189A (zh) 签名的生成方法和验证方法、装置、设备和介质
CN112615712B (zh) 数据的处理方法、相关装置及计算机程序产品
CN114186669B (zh) 神经网络模型的训练方法、装置、设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant